TheSkullery/Aether-V1.9

Aether数据集是一个由多个子数据集组成的对话数据集，经过过滤和去重处理，最终生成了一个包含2673174个样本的训练集。每个样本包含对话、系统信息、工具信息和来源信息。数据集经过多次版本更新，修复了代码错误并优化了数据质量。数据集来源包括grimulkan/bluemoon_Karen_cleaned、Doctor-Shotgun/no-robots-sharegpt等多个子数据集，并应用了特定的短语过滤规则和去重策略。

原始信息汇总

数据集信息

特征

• conversations:
  • from: 数据类型为字符串
  • value: 数据类型为字符串
• system: 数据类型为字符串
• tools: 数据类型为字符串
• origin: 数据类型为字符串

数据分割

• train:
  • 字节数: 5230011173
  • 样本数: 2673174

数据集大小

• 下载大小: 2612233507
• 数据集大小: 5230011173

配置

• default:
  • 数据文件:
    • train: 路径为 data/train-*